這兩年AI大火，導致很多畢業生跨專業（例如機械自動化、光學等）轉崗算法，這些人有個顯著的特點就是羨慕IT的高薪，但普遍受沒有受過通識的計算機教育（例如操作系統、數據結構、C/C++編程等），但人夠聰明，數學不錯（但大部分都沒有學過高級算法），學編程吧，需要學的東西太多太雜，所以很多人都想抄“近路”來搞算法研究。這也客觀上造成當前算法崗供大于求的局面。就參照我們公司今年招聘的算法工程師來說，“質量”明顯不如以前了，原來名校的博士為基本要求，而今天985的碩士就可以了。原來算法的入職級別就是T3 （senior engineer），今年普遍就是T2（advanced engineer），待遇基本上也和軟件開發持平了。而且相比于軟件開發，算法更吃腦力，對智力的要求更高，年齡越大就越不容易出成果。我就親身就見過幾個大齡的算法工程師辛苦1年沒有任何產出，最后不得不轉崗的。其實，目前業界對AI的技術方向就已經達成了共識，也就是深度學習+大數據+大計算，其中尤其以數據為重。可以說只要數據足夠，假以時日，大家的速度和精度都不會太差?，F在大家比拼主要是算法變現的能力，也就是看誰能夠把算法變成產品銷售出去，因此今年我的感覺是，相對于純粹的算法，綜合性人才更稀缺，例如有既有產品思維，懂算法，懂編程的人。AI在IT領域也不算個新鮮東西（包括深度學習），只是早些年市場關注度不高，大部分應用都集中在專業領域，更多是一些專家系統。感覺AI街談巷議，突然大火也就是這兩年的事，更準確的說應該是5年前，深度學習舊瓶裝新酒，帶來了AI研究的集中爆發。但在深度學習框架搭成之后，接下來更多就是調參數，喂數據，所以在接下來很長一段時間內，算法的研發重點轉向了數據的收集和清洗。也就在這個時候，我也發現公司新來的算法實習生很多的日常工作就是調下參數，編寫一些數據收集工具（例如網絡爬蟲），甚至更倒霉一點就是每日用別人寫好的工具收集數據，清洗數據。深度學習框架搭建的早期階段，對算法工程師的要求是很高的，既需要精深的數學能力，同時又需要超強的編程能力。但在當前，隨著各大公司的AI框架逐漸成熟，以及一些深度學習框架的開源（例如谷歌的Tensorflow），AI技術下沉的趨勢非常明顯，早已從幾年前的陽春白雪變成了下里巴人，甚至某種程度上變成了粗活笨活（例如數據收集、數據清洗）。不幸的是，中國人干什么事都喜歡一哄而上，就像早些年全民學移動開發，學前端、現在又開始全民學算法。不是說人不應該順勢而為，但越是在大家都熙熙攘攘的時候，越是要保持冷靜，越是要問幾個為什么。一個很顯然的道理是：如果一個行業突然涌進了這多人，至少有兩件事可以肯定，一個是這個行業門檻肯定不高，二是根據供需平衡原理，這個行業的未來行情必然會下行，不信各位看看現在的Android開發是否還復當年的意氣風發？還是那句話：“只有在潮水退卻的時候，才知道誰在裸泳！”